Dvouúrovňová řídící strategie pro hybridní vozidlo s využitím informací o plánované trase

Abstract

Hybridní pohon slouží ke snížení spotřeby paliva a výsledných emisí oxidu uhličitého u konvenčních vozidel poháněných spalovacím motorem a jako cesta k jejich úplné elektrifikaci. Aby byl co nejlépe využit potenciál tohoto pohonu co nejefektivnějším využitím energie, je nutné implementovat řídící strategii, která rozhoduje, zda požadovaný točivý moment bude vyprodukován spalovacím motorem, elektromotorem, nebo jejich kombinací. V literatuře jsou uváděny nejrůznější strategie, které mají dosahovat lepších výsledků než heuristické strategie běžně užívané v osobních automobilech, založené na intuitivních pravidlech. Strategie založené na optimalizaci, využívající charakteristické rysy jízdy, obecně dosahují lepších výsledků než ostatní. Na základě těchto poznatků byla navržena řídící strategie využívající informace o plánované trase. Skládá se ze dvou úrovní, kde vyšší úroveň před jízdou vygeneruje referenční průběh stavu nabití baterie, který je pak nižší úrovní sledován během jízdy. Tento průběh je vygenerován z předpokládaného rychlostního profilu a výškového profilu trasy optimalizačním algoritmem na základě Pontryaginova principu minima aplikovaného na zjednodušený model vozidla. Výsledkem je zároveň průběh součinitele ekvivalence, pomocí kterého je uskutečněno real-time řízení při jízdě. Strategie byla otestována na několika trasách a vozidlech se třemi úrovněmi elektrifikace. Výsledky byly následně porovnány s běžnou heuristickou řídící strategií a optimálním řešením dynamického programování. Implementací na full hybrid vozidle bylo dosaženo zlepšení 1-5 % a na plug-in hybrid vozidle 3-4 %. U mild hybrid vozidla pak bylo dosaženo pouze zanedbatelných zlepšení kolem 1 %.

Hybrid electric vehicles are currently used as a way of improving fuel consumption and consequent carbon dioxide emissions of conventional vehicles powered by an internal combustion engine and as means for paving the way for fully electric vehicles. To exploit their potential to the biggest extent by using energy more efficiently, energy management strategies are employed to control whether a torque request will be met by the internal combustion engine, the electric motor, or their combination. Numerous smart strategies have been proposed in literature to improve on strategies based on heuristics used in passenger vehicles today. Strategies based on optimisation taking into account characteristics of the current trip tend to perform better than others. According to this, a strategy taking into account predicted or past information about planned trip has been designed. The strategy is composed of two levels, where the higher level generates reference battery-state-of-charge trajectory before a trip, which is subsequently tracked by the lower level in real-time. The reference is generated from predicted speed and elevation profile of the planned trip using Pontryagin's minimum principle optimisation on a simplified vehicle model. This optimisation also results in a reference equivalence factor trajectory, which is then used for real-time control. The strategy was tested on several routes and vehicles with three levels of electrification. The results were then compared to a common heuristic strategy and optimal solution using dynamic programming. Improvements ranging between1-5 % were achieved in full hybrid vehicle application and 3-4 % in plug-in hybrid vehicle application. Mild hybrid vehicle achieved only negligible improvements around 1 %.